集群软件环境与使用指南

ch01 集群使用指南 #

更新日期：2026-09-29
登录节点：login01
公共提交脚本：/public/slurm_scripts
脚本选择助手：yskit

本指南面向在 ch01 集群上提交科学计算任务的用户，重点介绍各软件的编译方式、编译器、MPI、CUDA、数学库、指令集、精度与功能，同时提供计算资源、安装路径和常用操作。软件清单依据当前安装目录、公共脚本及项目验收记录整理；节点空闲情况以 Slurm 实时查询为准。

目录 #

1. 集群简介
2. 节点配置与分区
3. 登录、目录与任务提交
4. 基础软件环境
编译环境与 MPI 对照
5. 应用软件
- VASP · ABACUS · DeePMD-kit
- LAMMPS / PLUMED · DP-GEN · GROMACS · SPPARKS
6. 辅助工具
7. 常见问题
8. 文档维护

1. 集群简介 #

ch01 提供 Intel Xeon CPU 节点以及 NVIDIA P100、V100 GPU 节点，用于第一性原理计算、分子动力学、机器学习势训练和相关数据处理。

用户在 login01 整理输入、选择软件和提交作业，计算任务通过 Slurm 分配到计算节点。不要在登录节点直接运行生产模拟或模型训练。

GPU 是否更快取决于软件实现、体系规模、k 点数量、显存和并行配置。小体系或通信占比较高的任务，不一定随显卡数量增加而加速。

2. 节点配置与分区 #

2.1 计算资源 #

内存列为 Slurm 配置的可调度内存，单位 MB。

分区	节点	CPU 核数	内存	GPU	单卡申请参数
`cpu-8173m`	`ccn001-8173m`	56	187200	无	不申请 GPU
`gpu-8p100-hs`	`gcn001-8p100`	36	124800	8 × P100 16GB	`--gres=gpu:p100-16g:1`
`gpu-8p100-tc`	`gcn002-8p100`	36	124800	8 × P100 16GB	`--gres=gpu:p100-16g:1`
`gpu-8v100-16g-hs`	`gcn001-8v100-16g`	24	187200	8 × V100 16GB	`--gres=gpu:v100-16g:1`
`gpu-8v100-32g-tc`	`gcn001-8v100-32g`	24	187200	8 × V100 32GB	`--gres=gpu:v100-32g:1`

CPU 软件目录中的 8173m 对应 Xeon Platinum 8173M 节点。GPU 目录中的 p100、v100 分别对应两种 GPU 架构；多数已部署软件的 V100 16GB、32GB 共用程序，但提交分区和显存容量不同。

2.2 用户类型与资源权限 #

hs_user：核时用户脚本目录，对应获授权的 hs 分区。
tc_user：套餐用户脚本目录，对应获授权的 tc 分区。
cpu-8173m 的实际可用权限仍以账户配置为准。
GPU 申请必须写明型号，不能将 --gres=gpu:1 当作本集群通用写法。
保留 Slurm 设置的 CUDA_VISIBLE_DEVICES，不要在提交脚本中改为整机显卡编号。

收费标准、存储额度、账户并发限制和套餐有效期，由管理员按账户说明；本文件不预设统一价格或配额。

3. 登录、目录与任务提交 #

3.1 常用目录 #

用途	路径
用户家目录	`$HOME`，通常为 `/public/home/<用户名>`
科学软件	`/public/software`
编译器、CUDA、Conda 等工具	`/public/toolkit`
公共模块	`/public/modulefiles`
公共 Slurm 脚本	`/public/slurm_scripts`
安装和验收记录	`/public/software/agent`

在自己的项目目录保存输入、脚本和输出。公共软件环境由管理员维护；需要额外 Python 包时，先确认是否应建立个人环境。

3.2 使用 yskit 复制脚本 #

在准备运行的算例目录执行：

yskit

选择 (1) 复制脚本，依次选择用户类型、软件、版本和节点。也可以直接运行：

yskit copy
yskit list

脚本复制到当前目录；已有同名文件时不会覆盖。yskit 不会自动提交任务。(9) 查看使用说明，(0) 退出主菜单。

检查输入文件、分区、进程数、CPU 线程数和 GPU 数后，再提交复制得到的脚本。

3.3 常用 Slurm 命令 #

sinfo                                      # 查看分区与节点状态
squeue -u "$USER"                           # 查看自己的作业
sbatch submit.sh                           # 提交任务，替换为实际脚本名
scontrol show job JOBID                     # 查看任务详情
sacct -j JOBID --format=JobID,State,ExitCode,Elapsed
scancel JOBID                              # 取消指定任务

JOBID 替换为实际作业编号。作业从 squeue 消失后，使用 sacct 和计算输出确认结果。

当前公共脚本以 %j.out 保存作业输出，标准错误合并到同一文件。不要仅凭 Slurm 显示 COMPLETED 判断电子迭代、MD 或模型训练已达到预期。

3.4 首次登录与文件传输 #

管理员提供登录地址、SSH 端口和账号。login01 是集群内部名称，不一定能从个人电脑直接解析。下面的 LOGIN_HOST、PORT、USERNAME 必须替换成实际信息；命令在自己的电脑终端执行。

ssh -p PORT USERNAME@LOGIN_HOST

Windows 可使用支持 SSH/SFTP 的终端工具；Linux、macOS 可使用系统 SSH。首次连接先核对管理员给出的主机指纹；密码输入时终端不显示字符是正常行为。账号认证和外网入口信息不在公共指南中统一填写。

上传一个算例目录与下载结果的示例：

# 在个人电脑上执行；先将占位符替换为实际信息
scp -P PORT -r ./case01 USERNAME@LOGIN_HOST:~/
scp -P PORT USERNAME@LOGIN_HOST:~/case01/OUTCAR ./

SSH 的端口选项是小写 -p，SCP 是大写 -P。大量文件可使用 SFTP 客户端；传输前确认远端目录，避免覆盖已完成的算例。POTCAR、波函数等文件可能很大，尽量按后续计算需求保留和传输，不要在每次查看结果时复制整个目录。

3.5 算例目录如何组织 #

每次独立计算使用独立目录。同一目录同时提交两个会写同名输出的任务，会互相覆盖文件。

project/
├── README.md             # 体系、目的、软件版本、参数与作业编号
├── inputs-original/      # 原始输入副本
├── relax/                # 结构优化
├── scf/                  # 静态自洽
├── analysis/             # 后处理
└── benchmark/            # 同一输入的不同并行配置

这只是用户目录的组织示例，不要求固定名称。推荐在每个算例目录保留实际提交的脚本、输入文件和 %j.out，并记录最终使用的程序版本与路径。续算前确认旧作业已结束，识别软件所需的检查点；不要把“重新提交脚本”当成所有软件通用的续算操作。

公共 /public/software 和 /public/toolkit 存放程序，不是用户计算输出目录。集群暂未在本指南承诺公共 scratch、自动备份和统一清理周期；重要结果需要用户自行保留副本。

3.6 从零提交一次作业 #

以核时用户的 ABACUS 3.10.1 P100 单卡任务为例：

# 在已准备好输入的算例目录执行
pwd
ls -l INPUT STRU KPT
cp -i /public/slurm_scripts/hs_user/abacus/3.10.1/p100/sub_abacus_3.10.1_p100-16g.sh .
cat sub_abacus_3.10.1_p100-16g.sh
bash -n sub_abacus_3.10.1_p100-16g.sh
sbatch --test-only sub_abacus_3.10.1_p100-16g.sh
sbatch sub_abacus_3.10.1_p100-16g.sh

INPUT/STRU 中引用的赝势和轨道也必须存在。cp -i 在目标已存在时询问是否覆盖。bash -n 只检查 Shell 语法；sbatch --test-only 检查调度侧可接受性，两者都不会验证科学输入是否合理。

提交后记下返回的作业编号，例如 12345：

squeue -j 12345
scontrol show job 12345
# 输出文件出现后查看；Ctrl+C 只结束 tail，不取消作业
tail -f 12345.out
sacct -j 12345 --format=JobID,State,ExitCode,Elapsed,AllocCPUS

在实际使用时替换示例作业编号。需要取消任务时，先核对编号，再执行 scancel 12345。修改本地脚本不会改变已经提交的作业；不要让前一次任务仍运行时，在同一目录再提交修改版。

3.7 理解 Slurm 参数 #

参数	含义	本集群使用要点
`--job-name`	队列中显示的任务名	用体系或用途命名，便于区分
`--partition`	选择分区	必须与账号权限、程序架构一致
`--nodes`	节点数	当前多数模板按单节点验收
`--ntasks`	总进程数	通常对应 MPI ranks；不等于 CPU 线程数
`--ntasks-per-node`	每个节点的进程数	不要与总进程数设置相互矛盾
`--cpus-per-task`	每个进程分配的 CPU 数	OpenMP 程序还需对应的线程环境变量
`--gres`	GPU 型号及数量	本集群必须使用带型号的写法
`--output`	作业日志	`%j` 会替换为作业编号
`--time`	作业时间上限	仍受分区、账户和 QOS 限制
`--exclusive`	独占节点请求	不等于应用自动使用了所有 CPU

单节点时，CPU 需求通常按 ntasks × cpus-per-task 理解。例如 2 个 MPI 进程、每个 2 线程，合计申请 4 个 CPU；它与申请 4 张 GPU 没有直接关系。核数不能超过节点资源，还可能受到 GPU/CPU 配额关联限制。

#SBATCH 行由 Slurm 解析，不是普通 Shell 命令；不要在这些行里写 $HOME 等变量并期待 Shell 自动展开。环境变量设置、module 加载和程序启动放在指令区之后。

3.8 常见并行配置对照 #

下表是现有模板的起点，不是所有体系的最优参数。

软件/任务	MPI 进程	每进程 CPU	GPU	还需对应的设置
GPU VASP 单卡	1	1	1	对应 P100/V100 程序、匹配的 INCAR
ABACUS CPU	28	2	0	`OMP_NUM_THREADS=2`
ABACUS GPU PW 单卡	1	2	1	INPUT 中 device、求解器与 kpar
DeePMD 单卡训练模板	1	2	1	选择 TF/PT 后端；模板限制单卡
LAMMPS 配套 GPU 模板	每 GPU 1 进程	按模板	与进程数一致	区分 deepmd、classic、deepmd-kk 模式
GROMACS GPU thread-MPI	Slurm 1 个 task	4	1	程序内部 `-ntmpi 1 -ntomp 4`
LOBSTER	1	56	0	`OMP_NUM_THREADS=56`，直接启动
Wannier90 3.1.0 MPI 模板	56	1	0	seedname 参数；MPI 启动

已有脚本里设置的 MPI 启动器和绑定参数属于软件运行配置，不应统一替换成另一套 mpirun 或 srun。需要多节点时，单独确认软件支持、通信路径和输入规模，不能仅把 --nodes=1 改成 2。

4. 基础软件环境 #

4.1 Modules #

Modules 用于加载和切换软件运行环境。常用命令：

module avail                               # 列出模块
module list                                # 查看已加载模块
module help abacus/3.10.1-v100              # 查看指定模块说明
module load abacus/3.10.1-v100              # 加载指定版本
module unload abacus/3.10.1-v100            # 卸载指定版本
module purge                               # 卸载当前所有模块

优先使用公共提交脚本中指定的环境。不同程序可能依赖不同 MPI，不能只替换二进制路径而沿用另一套 MPI。

4.2 Miniconda #

公共安装路径：/public/toolkit/miniconda3。现有环境位于其 envs 子目录。

source /public/toolkit/miniconda3/etc/profile.d/conda.sh
conda env list
conda activate deepmd-kit-3.2.0
conda list
conda deactivate

个人环境可以安装到自己的目录，例如：

conda create -p "$HOME/conda-envs/analysis" python=3.11
conda activate "$HOME/conda-envs/analysis"
pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple

此例仅用于个人环境，不用于修改公共 DeePMD 环境。Conda 下载源沿用账户已配置的镜像。

4.3 编译器、CUDA 与 MPI #

工具	当前目录或版本	使用说明
Intel oneAPI 2023.2	`/public/toolkit/oneapi/2023.2`	按对应 CPU 软件脚本加载
Intel oneAPI 2024.2	`/public/toolkit/oneapi/2024.2`	按对应 CPU 软件脚本加载
NVIDIA HPC SDK 25.3	`/public/toolkit/nvhpc/25.3`	已交付 GPU VASP 模板使用此版本
NVIDIA HPC SDK 26.9	`/public/toolkit/nvhpc/26.9`	不作为本指南的已验收替代环境
CUDA Toolkit 12.8	`/public/toolkit/cuda/12.8`	随软件构建选择
CUDA Toolkit 12.9	`/public/toolkit/cuda/12.9`	随软件构建选择
HPC-X	`/public/toolkit/hpcx/2.50`	包含原生 `ompi5` 及其他构建，按软件脚本选择
Open MPI	`/public/toolkit/openmpi`	模块 `openmpi/5.0.10-cuda12.8`
CMake	管理节点 `/usr/bin/cmake`，3.28.3	用于构建；其他节点以 `cmake --version` 为准

ABACUS GPU 环境使用 HPC-X 自带的多线程 UCX。DeePMD/LAMMPS、GROMACS、VASP 各自使用已匹配的运行环境，不能将这项设置不加区分地套给所有程序。

4.4 检查当前环境是否正确 #

module list
command -v python
command -v mpirun
command -v nvcc
printf '%s\n' "${CONDA_PREFIX:-未激活Conda环境}"

这些命令用于确认当前终端的环境；批作业真正使用什么环境，应以提交脚本及其日志为准。比如登录终端的 python 来自 base 环境，不代表 DeePMD 模板也会使用 base，因为模板会自行激活对应环境。

遇到导入或动态库错误时，先核对脚本指定的版本。module purge 可以卸载模块，但不会自动清除所有手动 source、Conda 或自行设置的环境变量。不要通过反复追加不同版本的 LD_LIBRARY_PATH 来碰运气；使用新的登录终端，重新选择正确模板更容易定位问题。

公共 DeePMD 环境已按对应版本配置。用户自行执行 pip install --upgrade 可能改变 TF/PT、NumPy 或 CUDA 依赖；数据整理需要新包时优先使用个人环境，将转换后的数据交给训练环境读取。

4.5 NVIDIA 驱动 #

2026-09-29 现场查询结果：

节点	驱动版本
`gcn001-8p100`	580.173.02
`gcn002-8p100`	580.178.04
`gcn001-8v100-16g`	580.173.02
`gcn001-8v100-32g`	580.173.02

nvidia-smi 标题中的 CUDA 版本表示驱动支持能力，不代表当前软件实际使用的 CUDA Toolkit 版本。

4.6 如何阅读软件编译环境 #

各软件章节下面的“编译方式与环境”说明当前交付程序实际如何构建，不是要求用户重新安装。编译器负责生成程序，MPI 负责进程通信，CUDA/NVHPC 提供 GPU 编译与运行支持，MKL/OpenBLAS/FFTW/ELPA 等提供数值计算能力。这几层的版本需要分别记录，不能只用一句“Intel 编译”或“支持 CUDA”概括。

常见名称	在本集群中的含义
ifort / icc	Intel 经典 Fortran/C 编译器，主要用于 VASP 5.4.4 及配套库
ifx / icx / icpx	Intel LLVM 系列 Fortran/C/C++ 编译器，主要用于新 CPU 构建
mpiifort / mpiifx	Intel MPI 的 Fortran 编译包装器，底层分别调用 ifort/ifx
nvfortran / nvc / nvc++	NVHPC 编译器；GPU VASP 使用 OpenACC 路径
GCC / G++ / GFortran	GNU 编译器，ABACUS GPU、DeePMD、GROMACS GPU 等使用
mpicc / mpicxx / mpif90	MPI 包装器名称；仅凭命令名不能判断底层编译器和 MPI 来源
MKL LP64	MKL 的 32 位整数接口；不是将浮点数改成单精度
AVX-512 / AVX2	CPU 指令集目标；不等于 GPU 架构
sm_60 / sm_70	分别对应 P100 / V100 GPU 设备代码目标
OpenMP / OpenACC	分别用于线程并行和加速器卸载的编程接口；软件可能同时使用
mixed / double / single	软件或特定组件的精度策略；不同软件不能直接类比

MPI 环境对照 #

软件构建	使用的 MPI 来源	不可直接替代为
新编 CPU VASP、CPU ABACUS、CPU GROMACS 外部 MPI	对应 oneAPI 的 Intel MPI	NVHPC 自带 Open MPI
已交付 GPU VASP 25.3 构建	NVHPC 25.3 的 HPC-X 2.22.1 / Open MPI 4.1.7rc1	DeePMD 所用 HPC-X 2.50
DeePMD 配套 LAMMPS / PLUMED	`/public/toolkit/hpcx/2.50/ompi5` 原装 MPI	额外编译的 ompi5-nvhpc
GPU ABACUS	同一 HPC-X 2.50 原装 MPI，配套多线程 UCX 环境	未匹配的普通 UCX 环境
GPU GROMACS 外部 MPI	`/public/toolkit/openmpi/5.0.10-cuda12.8`	Intel MPI 或 NVHPC MPI
GROMACS thread-MPI	程序内部 thread-MPI	外部 mpirun 并非此模板的启动方式

本页将完整构建记录、用户回传配置和二进制依赖检查区分说明。旧程序缺少原始编译日志时，写明能确认的运行环境，不反推未知的优化开关。下方配置片段用于解释已交付版本，不能单独替代完整构建脚本。

5. 应用软件 #

5.1 VASP #

VASP 提供 CPU 与 GPU 构建，并按功能分别安装。选择版本时，同时确认功能分支和目标节点。

VASP 编译方式与环境 #

VASP 使用源码自带的 Make 构建系统，以对应版本 arch 模板生成 makefile.include，分别构建 std/gam/ncl。功能分支是在独立源码树中接入相应补丁或库后编译，不是运行时随意加载插件。

构建范围	工具链	MPI / 数学库	CPU / GPU 目标与证据
本次重建的 5.4.4 CPU 扩展分支	oneAPI 2023.2；ifort/icc 2021.10	Intel MPI；MKL、ScaLAPACK、Intel MPI BLACS	8173m，`-xCORE-AVX512`；各分支保留批准配置
本次重建的 6.3.2 CPU 分支（普通版是否重建见正文）	oneAPI 2024.2；ifx/icx/icpx 2024.2.1	Intel MPI 2021.13；MKL 2024.2 LP64、ScaLAPACK	8173m，通常显式 `-xCORE-AVX512`；历史普通版另见下文
本次重建的 6.4.2 CPU 分支（普通版是否重建见正文）	oneAPI 2024.2；ifx/icx/icpx 2024.2.1	Intel MPI 2021.13；MKL 2024.2 LP64、ScaLAPACK	8173m，通常显式 `-xCORE-AVX512`；历史普通版另见下文
本次重建的 6.4.3 CPU 分支（普通版是否重建见正文）	oneAPI 2024.2；ifx/icx/icpx 2024.2.1	Intel MPI 2021.13；MKL 2024.2 LP64、ScaLAPACK	8173m，通常显式 `-xCORE-AVX512`；历史普通版另见下文
本次重建的 6.5.1 CPU 分支（普通版是否重建见正文）	oneAPI 2024.2；ifx/icx/icpx 2024.2.1	Intel MPI 2021.13；MKL 2024.2 LP64、ScaLAPACK	8173m，通常显式 `-xCORE-AVX512`；历史普通版另见下文
本次重建的 6.6.1 CPU 分支（普通版是否重建见正文）	oneAPI 2024.2；ifx/icx/icpx 2024.2.1	Intel MPI 2021.13；MKL 2024.2 LP64、ScaLAPACK	8173m，通常显式 `-xCORE-AVX512`；历史普通版另见下文
GPU 普通 6.3.2	NVHPC 25.3；oneAPI 2023.2 仅提供 MKL	NVHPC 自带 HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU 普通 6.4.3	NVHPC 25.3；oneAPI 2023.2 仅提供 MKL	NVHPC 自带 HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU 普通 6.5.1	NVHPC 25.3；oneAPI 2023.2 仅提供 MKL	NVHPC 自带 HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU VTST 6.3.2（本次补齐）	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU VTST 6.4.2（本次补齐）	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU VTST 6.4.3（本次补齐）	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU VTST 6.5.1（本次补齐）	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译
GPU optcell 6.3.2	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译；每节点最多 `make -j16`
GPU optcell 6.4.2	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译；每节点最多 `make -j16`
GPU optcell 6.4.3	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译；每节点最多 `make -j16`
GPU optcell 6.5.1	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译；每节点最多 `make -j16`
GPU optcell 6.6.1	NVHPC 25.3；oneAPI 2023.2 MKL	HPC-X 2.22.1 / Open MPI 4.1.7rc1；MKL OpenMPI BLACS	CUDA 12.8；P100 cc60、V100 cc70，分别编译；每节点最多 `make -j16`
既有普通 6.4.2	沿用已有交付，非上述普通版重编批次	以保存配置、依赖核查和正式模板为准	不把后补模板当成重新编译的证据
既有普通 6.6.1	沿用已有交付，非上述普通版重编批次	以保存配置、依赖核查和正式模板为准	不把后补模板当成重新编译的证据

CPU 5.4.4 optcell 使用 arch/makefile.include.linux_intel；6.4.2 等新 CPU 构建使用各自 arch/makefile.include.intel，Fortran 包装器改为 mpiifx，C/C++ 分别为 icx/icpx。新 CPU 构建采用 MKL sequential 接口及 MPI 分布式线性代数；默认 56 MPI 的模板不代表同时启动 56 个 OpenMP 线程。

CPU 指令集不能简单按目录统一推断：例如已存档的普通 6.6.1 配置保留 -xHOST，而新编普通 6.3.2/6.4.3/6.5.1 及相应扩展构建明确采用 -xCORE-AVX512。旧普通 5.4.4/6.4.2 的历史配置证据不完整，本页不把其所有参数等同于新构建。

GPU 新编版本以自身 makefile.include.nvhpc_ompi_mkl_omp_acc 为模板，关键配置含义如下：

设置	当前新编 GPU 构建采用方式
GPU 卸载	`mpif90 -acc -mp`，NVHPC OpenACC + OpenMP；P100/V100 分别选择 cc60/cc70、cuda12.8
CPU 目标	保留 `-tp host`；P100 在 E5-2696v3 节点编译，V100 在 Gold 6146 节点编译
数学库	cuBLAS/cuSOLVER/cuFFT/NCCL + MKL ScaLAPACK/OpenMPI BLACS
四倍精度支持	NVHPC 自带 QD 软件模拟库
nonlr 优化	`OFLAG_IN = -fast -Mwarperf`、`SOURCE_IN := nonlr.o` 已启用，并核对实际日志
tripcount	旧模板显式补 `-gpu=tripcount:host`，较新模板保留其判断块；逐版以批准配置为准
独立 ScaLAPACK	未使用模板中 `/path/to/...` 的独立库覆盖行，使用 MKL 提供的实现

-tp host 优化的是宿主 CPU，不是自动选择任意 GPU；因此程序仍按 P100/V100 分目录。普通 GPU 6.4.2 的早期记录主要是二进制依赖证据，不能把新 VTST/optcell 的开关全部追认到该旧程序。NVHPC 26.9 手工构建也不属于本页已验收的 25.3 正式程序。

VASP 功能分支如何编入 #

分支	编译时增加的内容	是否默认包含其他分支
普通版	原版源码及该版本批准的配置	不默认包含下列扩展
optcell	对应版本的晶胞约束补丁；5.4.4 使用 `patch -p0 < cell_relax_finner.patch`	不叠加 VTST/溶剂模型
VTST	按版本接入 VTST 源文件、对象顺序和主程序接口；新 GPU 批次用 revision 214 的对应目录	不表示所有 VTST 步骤均在 GPU 执行
Wannier90 / VASP 5.4.4	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 2.1.0；本次为 CPU
Wannier90 / VASP 6.3.2	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 3.1.0；本次为 CPU
Wannier90 / VASP 6.4.2	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 3.1.0；本次为 CPU
Wannier90 / VASP 6.4.3	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 3.1.0；本次为 CPU
Wannier90 / VASP 6.5.1	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 3.1.0；本次为 CPU
Wannier90 / VASP 6.6.1	`-DVASP2WANNIER90`，链接匹配工具链的 `libwannier.a`	Wannier90 3.1.0；本次为 CPU
VASPsol	按对应 VASP 版本接入经典 VASPsol 源码/补丁	与 VASPsol++ 分开交付
VTST + VASPsol++ 5.4.4	按该版本兼容补丁构建	是明确组合构建，不代表其他分支也含 VTST
VTST + VASPsol++ 6.3.2	按该版本兼容补丁构建	是明确组合构建，不代表其他分支也含 VTST
CP-VASP v2 / VASP 6.3.2	在 sol++ 基础上接入	按 sol++ 配置输入
CP-VASP v2 / VASP 6.4.2	在经典 sol 基础上接入	按经典 sol 配置输入
BEEF	5.4.4 加 `-Dlibbeef` 并静态链接 libbeef 0.1.3	无 VTST/sol/optcell/Wannier 叠加

libbeef 本身用 oneAPI 2023.2 ICC/ifort 构建，目标 AVX-512，安装在 /public/software/vasp/libbeef/0.1.3/oneapi-2023.2-icc/8173m。静态链接的 libbeef.a 不需要额外设置其动态库路径；VASP 仍需匹配的 Intel/MPI 环境。

构建证据：GPU 普通版、GPU VTST、GPU optcell、5.4.4 CPU optcell、6.4.2 CPU optcell、libbeef。

正式路径规则：

/public/software/vasp/<功能分支>/<版本>/<节点>/vasp_std

vasp_std 是标准程序；Gamma-only 或非共线任务按对应构建选择 vasp_gam、vasp_ncl。不同功能分支是独立构建，不表示所有补丁同时包含。

功能分支	版本	用途	8173m	P100 / V100
`vasp`	5.4.4	普通版本	已部署	未列入已交付 GPU 构建
`vasp`	6.3.2	普通版本	已部署	已部署
`vasp`	6.4.2	普通版本	已部署	已部署
`vasp`	6.4.3	普通版本	已部署	已部署
`vasp`	6.5.1	普通版本	已部署	已部署
`vasp`	6.6.1	普通版本	已部署	已部署
`vasp-optcell`	5.4.4	IOPTCELL 晶胞约束	已部署	未列入已交付 GPU 构建
`vasp-optcell`	6.3.2	IOPTCELL 晶胞约束	已部署	已部署
`vasp-optcell`	6.4.2	IOPTCELL 晶胞约束	已部署	已部署
`vasp-optcell`	6.4.3	IOPTCELL 晶胞约束	已部署	已部署
`vasp-optcell`	6.5.1	IOPTCELL 晶胞约束	已部署	已部署
`vasp-optcell`	6.6.1	IOPTCELL 晶胞约束	已部署	已部署
`vasp-vtst`	5.4.4	VTST 相关功能	已部署	未列入已交付 GPU 构建
`vasp-vtst`	6.3.2	VTST 相关功能	已部署	已部署
`vasp-vtst`	6.4.2	VTST 相关功能	已部署	已部署
`vasp-vtst`	6.4.3	VTST 相关功能	已部署	已部署
`vasp-vtst`	6.5.1	VTST 相关功能	已部署	已部署
`vasp-vtst`	6.6.1	VTST 相关功能	已部署	已部署
`vasp-wannier90`	5.4.4	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-wannier90`	6.3.2	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-wannier90`	6.4.2	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-wannier90`	6.4.3	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-wannier90`	6.5.1	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-wannier90`	6.6.1	Wannier90 接口	已部署	未列入已交付 GPU 构建
`vasp-sol`	5.4.4	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-sol`	6.3.2	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-sol`	6.4.2	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-sol`	6.4.3	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-sol`	6.5.1	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-sol`	6.6.1	VASPsol	已部署	未列入已交付 GPU 构建
`vasp-vtst-sol++`	5.4.4	VTST + VASPsol++	已部署	未列入已交付 GPU 构建
`vasp-vtst-sol++`	6.3.2	VTST + VASPsol++	已部署	未列入已交付 GPU 构建
`vasp-cpvasp`	6.3.2	CP-VASP v2	已部署	未列入已交付 GPU 构建
`vasp-cpvasp`	6.4.2	CP-VASP v2	已部署	未列入已交付 GPU 构建
`vasp-beef`	5.4.4	libbeef / BEEF	已部署	未列入已交付 GPU 构建

CP-VASP 6.3.2 对应 VASPsol++，6.4.2 对应经典 VASPsol。两者的参数和电势定义不能直接互换。

例如，普通 VASP 6.4.2 的 P100 程序位于：

/public/software/vasp/vasp/6.4.2/p100/vasp_std

公共脚本根目录：

/public/slurm_scripts/hs_user/vasp
/public/slurm_scripts/tc_user/vasp

P100 核时用户单卡示例，与当前公共模板的环境一致：

#!/bin/bash
#SBATCH --job-name=vasp
#SBATCH --partition=gpu-8p100-hs
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=1
#SBATCH --gres=gpu:p100-16g:1
#SBATCH --output=%j.out

VASP_BIN=/public/software/vasp/vasp/6.4.2/p100/vasp_std
source /public/toolkit/oneapi/2023.2/mkl/latest/env/vars.sh
module load nvhpc/25.3/nvhpc

export OMPI_MCA_coll_hcoll_enable=0
export NO_STOP_MESSAGE=1
export OMP_NUM_THREADS="${SLURM_CPUS_PER_TASK}"

mpirun --bind-to none -np "${SLURM_NTASKS}" "${VASP_BIN}"

多卡 GPU VASP 通常需要同步调整 --ntasks 与 --gres，并检查 INCAR 中的并行参数。CPU 版脚本不能只修改分区就作为 GPU 版使用。

Wannier 接口、CP-VASP、BEEF 等分支存在特定输入限制，开始使用前查阅对应部署记录，不要把短算例通过理解为所有输入均已验证。

VASP：提交前准备什么 #

文件	作用	检查重点
POSCAR	晶格、元素与原子坐标	元素顺序、数量、坐标类型是否正确
POTCAR	PAW 数据	元素顺序与 POSCAR 一致，使用所需泛函对应的数据
INCAR	计算参数	任务类型、收敛条件、精度和并行参数
KPOINTS	k 点采样	与体系和计算目的匹配；Gamma-only 程序并非适合任意网格
提交脚本	分区、程序和资源	版本、功能分支、节点架构、进程数

这里不提供一份“所有体系通用”的 INCAR。结构优化、静态能量、杂化泛函、非共线、自旋轨道、溶剂模型与过渡态搜索需要不同参数。使用 optcell/VTST/sol 等分支前，先核对该分支的输入约定。

VASP：如何检查运行结果 #

# 在算例目录查看，不会启动计算
tail -n 30 OSZICAR
tail -n 60 OUTCAR

先看作业输出中的版本、GPU 检测和错误信息，再检查电子与离子迭代是否达到自己的收敛目标。OSZICAR 有能量记录只说明程序进行过迭代；出现正常计时尾部也不代表结构优化一定收敛。

结构优化后的结构通常保存在 CONTCAR；是否作为下一步 POSCAR 使用，应先检查几何和收敛状态。WAVECAR/CHGCAR 是否保留取决于后续任务，不要在不清楚后处理需求时直接删除。

对比 CPU/GPU 或不同并行配置时，使用完全相同的初始输入和收敛条件。不要一组读取已有 WAVECAR、另一组从头计算，然后把耗时差全部归因于 GPU。

5.2 ABACUS #

ABACUS 3.10.1 提供 PW 平面波、LCAO 局域轨道和 LCAO 杂化泛函相关功能，已安装 CPU、P100、V100 三套程序。

平台	程序	模块
8173m	`/public/software/abacus/3.10.1/8173m/bin/abacus`	`abacus/3.10.1-8173m`
P100	`/public/software/abacus/3.10.1/p100/bin/abacus`	`abacus/3.10.1-p100`
V100	`/public/software/abacus/3.10.1/v100/bin/abacus`	`abacus/3.10.1-v100`

ABACUS 编译方式与环境 #

使用 ABACUS 3.10.1 源码，CMake Release 构建，CPU/P100/V100 分别配置、安装；每套依赖也分别保存，不复用未经匹配的 VASP 数学库。

项目	8173m CPU	P100 / V100 GPU
C/C++/Fortran	oneAPI 2024.2 的 icx/icpx/ifx	GCC/G++/GFortran 13.3
MPI	Intel MPI 2021.13	原装 HPC-X 2.50 ompi5
CPU 目标	AVX-512	AVX2
CUDA	不启用	CUDA Toolkit 12.8；sm_60 / sm_70
BLAS/LAPACK	MKL LP64，sequential	OpenBLAS 0.3.30
ScaLAPACK	MKL，Intel MPI 接口	独立 ScaLAPACK 2.2.2
FFT	配套 MKL/FFTW 接口	FFTW 3.3.10 单/双精度、GPU 配套 CUDA 库
ELPA	2024.05.001 CPU 构建	2024.05.001，GPU 支持
泛函与杂化支持库	Libxc 6.2.2、LibRI 0.2.1.1、LibComm 0.1.1	相同版本，按 GPU 工具链构建
其他依赖	cereal 1.3.0	cereal 1.3.0

主要 CMake 开关：

CMAKE_BUILD_TYPE=Release
ENABLE_MPI=ON
USE_OPENMP=ON
ENABLE_LCAO=ON
USE_ELPA=ON
ENABLE_LIBXC=ON
ENABLE_LIBRI=ON
ENABLE_LIBCOMM=ON
ENABLE_FLOAT_FFTW=ON
ENABLE_NATIVE_OPTIMIZATION=OFF

GPU 两套另设 USE_CUDA=ON 和对应 CMAKE_CUDA_ARCHITECTURES，CPU 为 USE_CUDA=OFF。关闭 DeepKS、PAW、PEXSI；GPU 关闭 cuSOLVERMp。ENABLE_FLOAT_FFTW=ON 是允许支持的 PW 路径选择单精度，默认计算仍为 double。关闭 native optimization 后使用显式指定的 CPU 指令集，避免管理节点编译时意外生成不适合目标节点的代码。

构建采用 cmake -S ... -B ...、cmake --build ...、cmake --install ... 三阶段；各前缀写入匹配的依赖搜索路径。CPU 主程序显式优化参数为 -O2 -xCORE-AVX512；GPU 宿主为 -O2 -march=haswell -mtune=generic。GPU 运行环境加载 HPC-X 的多线程 UCX，以满足 MPI 线程支持需求，同时关闭 HCOLL。

依赖安装根目录：/public/software/abacus/deps/3.10.1/{8173m,p100,v100}。可追溯配置见主程序构建脚本和依赖构建脚本；它们是维护证据，不应由普通用户直接重跑覆盖公共安装。

通过 yskit 选择 abacus → 3.10.1 → 节点，准备 INPUT、STRU、KPT 及相应赝势、轨道文件后提交。

单、双精度支持已编入同一套程序，默认使用双精度。在 INPUT 中设置：

precision double

PW SCF 使用受支持的求解器时，可以选择 precision single；3.10.1 文档列出 cg、bpcg、dav，本次实际验证 cg。LCAO 不通过该参数切换为全流程单精度。单精度应先检查目标体系的能量、力和应力误差。

GPU PW 通常设置 device gpu，并结合显卡数量设置 kpar。LCAO 可选择 cusolver 或 elpa；genelpa 与 elpa 是不同接口，不能只凭名字认定 GPU 加速已经启用。

已验证 P100 单、双、四、八卡和 V100 32GB 单、双卡；V100 16GB、V100 四/八卡及跨节点未逐项验收。小算例不一定随 GPU 数量增加而加速。

详细使用和性能数据见 ABACUS 验收报告。

ABACUS：输入文件与求解路径 #

输入/组件	用途
INPUT	计算类型、基组、求解器、精度与收敛参数
STRU	原子结构，并引用元素赝势、所需轨道文件
KPT	k 点设置；是否需要独立文件取决于所选输入方式
赝势文件	对应元素的离子实相互作用数据
数值原子轨道	LCAO 路径需要与体系和计算方法匹配的轨道
LCAO	以局域原子轨道展开电子波函数的基组方法
ELPA	分布式本征值求解库，本次编译了适用的 GPU 支持
cuSOLVER	NVIDIA 数值求解库；ABACUS 的 cusolver 路径与 ELPA 路径不同

下列内容是对现有 INPUT 的参数片段，不是完整可运行输入。不要在同一个 INPUT 末尾重复追加已经存在的同名参数。

PW GPU 单卡、双精度的选择示例：

basis_type pw
device gpu
ks_solver cg
precision double
kpar 1

LCAO GPU 的选择示例：

basis_type lcao
device gpu
ks_solver cusolver

使用已经验收的 ELPA GPU 路径时选择 ks_solver elpa。杂化泛函还需要正确的泛函及相关输入配置；加载了 LibRI/Libxc 并不等于任意 INPUT 自动变成 HSE 计算。

PW 多卡时同步修改 Slurm 的进程数、GPU 数和适用的 kpar，并检查实际 k 点是否足以分配。Gamma 点小体系不应简单照搬多 k 点测试的扩展结论。

ABACUS：精度与性能怎么选 #

先用 double 得到参考结果，再评估 single 对目标量的影响。已有 Si16 测试中，GPU single 相对 double 的总能量差约 0.00046 eV，最大力差约 0.0057 eV/Å；这些数值只对应该测试输入，不能作为所有体系的误差上限。

现有 Si16 PW PBE、double、相同收敛阈值的计时：

平台	配置	耗时/s
CPU 8173m	56 MPI × 1 线程	16.10
CPU 8173m	28 MPI × 2 线程	17.22
P100	1 GPU，1 MPI × 2 线程	25.87
P100	2 GPU，2 MPI × 2 线程	18.24
P100	4 GPU，4 MPI × 2 线程	13.59
P100	8 GPU，8 MPI × 2 线程	14.07
V100 32GB	1 GPU，1 MPI × 2 线程	22.64
V100 32GB	2 GPU，2 MPI × 2 线程	19.04

该小体系的 P100 四卡比八卡更快，整节点 CPU 也比单卡 GPU 更快。测试环境和样本有限，生产任务应使用自己的规模、k 点和输入做短基准，而不是直接固定用最多 GPU。原始条件及误差数据见本节上方验收报告。

5.3 DeePMD-kit #

各源码版本使用独立 Conda 环境，公共环境位置为 /public/toolkit/miniconda3/envs/<环境名>。

版本	环境名	后端
2.2.11	`deepmd-kit-2.2.11`	TensorFlow
3.0.0rc0	`deepmd-kit-3.0.0rc0`	TensorFlow、PyTorch
3.0.1	`deepmd-kit-3.0.1`	TensorFlow、PyTorch
3.1.3	`deepmd-kit-3.1.3`	TensorFlow、PyTorch
3.2.0	`deepmd-kit-3.2.0`	TensorFlow、PyTorch

DeePMD 编译方式与环境 #

这些 *-source 部署包含两个层次：Python 包从所选 DeePMD 源码通过 pip 构建安装；C/C++ 接口另用 CMake 编译，供内置 DeePMD 的 LAMMPS 调用。TF/PT 是环境中已安装的后端依赖，不等于本次把 TensorFlow 和 PyTorch 自身也从源码编译了一遍。

DeePMD	Python	C/C++ 编译器	CUDA 构建工具链	TensorFlow	PyTorch
2.2.11	3.11.16	GCC 12.2.0	12.2.2，nvcc 12.2.140	2.15.1	未安装
3.0.0rc0	3.11.16	Conda GCC/G++ 13.4	12.6	2.19.1	2.6.0+cu126
3.0.1	3.11 系列	Conda GCC/G++ 13.4	12.6	2.19.1	2.6.0+cu126
3.1.3	3.11.16	Conda GCC/G++ 13.4	12.6	2.19.1	2.6.0+cu126
3.2.0	3.12.14	GCC/G++ 13.3.0	12.9.86	2.21.0	2.12.0

表中 CUDA 是 DeePMD/C++ 扩展的构建工具链；Python 后端包可能自带 CUDA 运行依赖，不能用 nvidia-smi 顶部的版本替换本表。3.0 系列的 TF/PT 组合经过加载冲突复测后确定，用户不应在公共环境单独升级其中一个后端。

以 3.2.0 为例，Python 构建设置 DP_VARIANT=cuda、DP_ENABLE_TENSORFLOW=1、DP_ENABLE_PYTORCH=1、关闭 Paddle 和 native optimization；使用源码 pip 隔离构建。C/C++ 设置 BUILD_CPP_IF=ON、BUILD_PY_IF=OFF，启用 TF/PT，并通过 USE_TF_PYTHON_LIBS、USE_PT_PYTHON_LIBS 使用该环境中的后端库。C++17、Release、宿主 -march=haswell，生成 sm_60/sm_70 设备代码。

3.2.0 的 TF 外部 protobuf/abseil 链接与 LAMMPS KOKKOS 兼容调整有专门记录；不能把普通 pip install . 视为同时完成 C/C++、PLUMED 和 LAMMPS 的安装。各版本的 API、构建变量和兼容补丁也不应互相照搬。

Python 环境不安装 jax/jaxlib 或 Paddle；3.2.0 允许上游自动编译的 C++ JAX 接口，因此“无 JAX Python 包”不等于所有库中都不存在 JAX 接口符号。

构建来源：2.2.11、3.0.0rc0、3.0.1、3.1.3、3.2.0。

训练脚本位于 /public/slurm_scripts/{hs_user,tc_user}/deepmd-kit，选择相应 *-source 目录。按脚本说明选择后端和输入文件，不把不同版本的命令参数直接混用。

3.1.3 的原版 PyTorch 训练入口需要可见 GPU，不作为已支持的 CPU 训练入口使用。不要在登录节点直接调用该训练入口进行试跑。

旧 /public/software/deepmd-kit/3.2.0-cuda12.9 与当前 3.2.0-source 是不同部署，路径和运行环境不能混用。版本限制及依赖见 DeePMD 部署索引。

DeePMD：训练入口与目录 #

以 3.2.0 源码环境、核时用户 P100 为例，先准备 input.json 和其中引用的数据集：

cp -i /public/slurm_scripts/hs_user/deepmd-kit/3.2.0-source/p100/sub_deepmd_p100.sh .
# 二选一提交，不要在同一目录同时运行两条
sbatch sub_deepmd_p100.sh -pt input.json
# sbatch sub_deepmd_p100.sh -tf input.json

该脚本默认选择 PyTorch，也接受显式 -pt、-tf；当前模板限制单节点、单 GPU、单 task。不能通过只增加 gres 将它变成多卡分布式训练脚本。2.2.11 只有 TensorFlow，不能照抄上述 PyTorch 用法。

阶段	用户需检查的内容
数据准备	原子类型映射、坐标/盒子/能量/力等数据及单位是否一致
训练输入	输入格式与软件版本、后端、描述符和数据路径匹配
训练过程	日志、损失曲线、检查点是否持续更新；有无 NaN 或异常退出
模型导出	用同版本、同后端处理训练检查点，记录导出命令
模型测试	使用独立测试数据，对比能量、力，必要时检查应力
LAMMPS 使用	模型格式、类型映射与对应 C/C++ 构建匹配

训练完成、freeze 成功和模型适合目标模拟是三个不同检查。不要只看训练损失下降就跳过独立测试；也不要只把模型文件改后缀，当成 TF/PT 格式转换。

需要查看命令用法时，在对应环境中执行帮助命令；实际训练和批量推理仍提交计算节点：

source /public/toolkit/miniconda3/etc/profile.d/conda.sh
conda activate deepmd-kit-3.2.0
dp --version
dp --pt freeze --help
dp --pt test --help

5.4 LAMMPS 与 PLUMED #

通用 LAMMPS 安装根目录包括：

构建	安装根目录
29Aug2024 Update 4	`/public/software/lammps/29Aug2024_update4`
22Jul2025 Update 6	`/public/software/lammps/22Jul2025_update6`

DeePMD 配套构建按下表分别安装，不只根据 LAMMPS 日期选择可执行程序。

DeePMD 版本	LAMMPS 安装目录名，位于 `/public/software/lammps`
2.2.11	`2Aug2023_update4-deepmd-2.2.11-source`
3.0.0rc0	`29Aug2024_update4-deepmd-3.0.0rc0-source`
3.0.1	`29Aug2024_update4-deepmd-3.0.1-source`
3.1.3	`22Jul2025_update6-deepmd-3.1.3-source`
3.2.0	`22Jul2025_update6-deepmd-3.2.0-source`

配套构建按 {p100,v100}/{gpu,kokkos} 区分，内置 DeePMD 和 PLUMED 2.9.5。PLUMED 安装在 /public/software/plumed/2.9.5/deepmd-kit-<版本>，启用 crystallization、opes、ves、funnel，不启用 PLUMED 的 pytorch 模块。

公共脚本位于 /public/slurm_scripts/{hs_user,tc_user}/lammps，目录名同时标明 LAMMPS、DeePMD 和 PLUMED 版本。GPU 包与 KOKKOS 的启动参数不同，优先选择相应模板。

3.2.0 的 V100 deepmd/kk 图模型路径已做定向验证；P100 受该路径使用的 Triton 算力要求限制，不能把“已编译注册”理解为该路径可用。2.2.11 配套使用普通 pair_style deepmd，没有 deepmd/kk。

LAMMPS / PLUMED 编译方式与环境 #

DeePMD 配套 LAMMPS 使用 CMake，内置集成 DeePMD 与 PLUMED，不是启动时要求用户执行 plugin load 的部署。每个 DeePMD 版本对应独立前缀，P100/V100 再各分 GPU 包和 KOKKOS 两套，共四套。

构建项	已交付方式
C/C++ 工具链	与对应 DeePMD 源码栈匹配，见上一节 GCC/CUDA 版本表
MPI	HPC-X 2.50 原装 `/public/toolkit/hpcx/2.50/ompi5`；3.2.0 记录为 Open MPI 5.0.10rc2
GPU 包	CUDA 构建，P100/V100 分目标；`GPU_PREC=mixed`
KOKKOS	CUDA 后端，分别匹配 Pascal60/Volta70；保留上游数值精度配置
PLUMED 接口	内置 LAMMPS 接口，运行脚本指向匹配的 PLUMED kernel
精度边界	GPU 包 mixed 不等于 DeePMD 模型、TF/PT 或整套 KOKKOS 全部变为 mixed
构建范围	3.2.0 使用 most.cmake 包集合加 PLUMED；旧版包集合与兼容修改查各自记录

PLUMED 2.9.5 从源码通过 configure → make → make install 构建，各 DeePMD 环境独立安装。使用匹配的 MPI C/C++ 包装器，链接各自环境的 BLAS/LAPACK、GSL、FFTW，提供共享库与 Python 接口。已启用 MPI、rpath，并明确增加 crystallization、opes、ves、funnel；关闭 libtorch / pytorch 模块。这四个是指定增加的模块，不表示程序只有四个模块。

3.2.0 配套 PLUMED 最终构建采用 -O3 -march=haswell -ffp-contract=off；其他版本应以各自最终日志为准，不能仅因同为 2.9.5 就认定依赖 ABI 完全相同。

GROMACS 使用的 PLUMED 2.9.4 是另两套环境：CPU 为 oneAPI 2024.2 / Intel MPI，GPU 为 GCC / Open MPI 5.0.10。不要把这两套旧模块叠加到 DeePMD 2.9.5 的作业环境。来源见 PLUMED 索引。

通用 LAMMPS 是另一套源码交付，每个日期版本有 8173m、P100 GPU/KOKKOS、V100 GPU/KOKKOS 五套：

通用构建	编译与依赖
CPU 8173m	oneAPI 2024.2、Intel MPI、匹配的 PLUMED 2.9.4
P100 / V100	GCC、独立 Open MPI 5.0.10、CUDA 12.8、MKL、匹配的 PLUMED 2.9.4
GPU 包	mixed 精度
KOKKOS / LAMMPS 22Jul2025 Update 6	双精度；Kokkos 4.6.2
KOKKOS / LAMMPS 29Aug2024 Update 4	双精度；Kokkos 4.3.1

PLUMED 2.9.4 的 CPU 构建通过 mpiicx/mpiicpx、ifx 编译，目标 skylake-avx512，MKL LP64 sequential，启用 GSL/zlib/OpenMP，关闭 Python 接口。它不适用于 P100 的 Haswell CPU。通用版与 DeePMD 配套版即使 LAMMPS 日期相同，也不意味着包集合、MPI 或依赖相同。来源：LAMMPS 部署索引、PLUMED 2.9.4 CPU 配置。

LAMMPS：提交与模式选择 #

以 DeePMD 3.2.0 + PLUMED 2.9.5 的 P100 GPU 包构建为例：

cp -i /public/slurm_scripts/hs_user/lammps/22Jul2025_update6-deepmd-3.2.0-plumed-2.9.5/p100/gpu/sub_lammps_p100_gpu.sh .
sbatch sub_lammps_p100_gpu.sh in.lammps deepmd

准备 in.lammps 及其引用的结构、势函数或模型。若使用 PLUMED，还需输入中启用相应 fix 并提供 PLUMED 输入文件；安装了 PLUMED 不代表普通模拟自动施加偏置。

模式	适用内容	注意事项
`deepmd`	普通 DeePMD TF/PT 模型	后端使用 GPU，不自动为所有 pair_style 加 `/kk`
`classic`	支持所选加速包的传统势	GPU 与 KOKKOS 的加速参数由各自模板处理
`deepmd-kk`	相应图模型及 deepmd/kk	当前 3.2.0 要选 V100 KOKKOS 模板；P100 GPU 模板会拒绝

以上模式参数以这套 3.2.0 模板为准，其他版本先阅读其脚本头部。输出日志名可能带作业编号，例如 log.lammps.12345；检查实际运行步数、温压/能量、报错和结束信息。PLUMED 的 COLVAR/HILLS 等输出取决于具体输入动作，不是每次运行都会生成。

单/双卡比较时，除了是否完成，还应比较物理量、每步时间和重复运行的一致性。不同浮点归约顺序会造成数值差异，不应要求长时间混沌轨迹逐帧完全一致。

5.5 DP-GEN #

DP-GEN 0.13.3 使用独立环境 /public/toolkit/miniconda3/envs/dpgen。主控、训练、LAMMPS 探索与 VASP 标注分别使用对应环境。

module load dpgen/0.13.3

配套工作流目录位于 /public/slurm_scripts/{hs_user,tc_user}/dpgen。每套目录包含配置程序、主控脚本与辅助启动器，使用时复制并阅读整套目录的 README，不要只复制其中一个 run.sh。

yskit 菜单主要面向可直接提交的 Slurm 脚本，不展示 DP-GEN 的所有辅助启动器。轻量主控可按模板说明在 login01 运行，训练、探索和标注由 Slurm 提交到计算节点。

新模板已做配置和组件检查，不代表每一种节点组合都完成了完整生产流程。详情见 DP-GEN 记录。

DP-GEN 安装方式与环境 #

DP-GEN 0.13.3 使用 Python 3.12 的独立 Conda 环境，Conda 环境通过镜像创建，程序由 pip 安装，不是 Intel/NVHPC 编译的 MPI 程序。模块只选择该 Python 环境的入口，不应为主控加载训练用的所有 CUDA/MPI 库。

归档安装依赖包含 dpdispatcher 1.1.0、dpdata 1.1.0、NumPy 2.5.3、ASE 3.29.0 等；这是安装记录快照。训练、探索、标注的编译器与加速能力分别来自 DeePMD、LAMMPS、VASP，不能将这些能力归到 DP-GEN 主控自身。

来源：DP-GEN 安装记录。

DP-GEN：首次运行前核对 #

DP-GEN 需要一整套工作流，而不是只有 Slurm 文件。复制所选模板目录后，先读 README，再逐项核对：

训练使用哪个 DeePMD 版本和后端，模型输出是否适配探索用的 LAMMPS。
探索使用 P100 还是 V100、GPU 包还是 KOKKOS，输入与启动器是否对应。
标注使用哪个 VASP 功能分支、CPU/GPU 程序及用户可用分区。
工作目录、初始结构、赝势和数据路径是否属于当前用户且可读写。
单任务资源、并发数量和每轮任务规模是否符合账户配额。

先完成小规模的一轮训练—探索—标注连通性检查，再扩大采样规模。主控退出不代表队列中的所有子任务都已停止；排障或续跑时同时检查主控记录与 Slurm 作业，避免重复产生子任务。

5.6 GROMACS #

版本	平台	构建类型	路径规则
2025.5	8173m、P100、V100	`threadmpi`、`mpi-plumed`	`/public/software/gromacs/2025.5/<节点>/<构建类型>`
2026.3	8173m、P100、V100	`threadmpi`、`mpi-plumed`	`/public/software/gromacs/2026.3/<节点>/<构建类型>`

两类构建均采用 mixed 精度。threadmpi 使用内部线程 MPI；mpi-plumed 使用外部 MPI，并配套 PLUMED 2.9.4。

公共脚本位于 /public/slurm_scripts/{hs_user,tc_user}/gromacs。准备 md.tpr；需要 PLUMED 时另准备与体系匹配的 plumed.dat。

thread-MPI 的 -ntmpi/-ntomp 与外部 MPI 的进程配置不同，不能只调整 Slurm 的 --ntasks 就认为完成了多卡配置。已有 CPU 水盒验证与其他构建的验证范围见 GROMACS 记录。

GROMACS 编译方式与环境 #

2025.5 与 2026.3 均按三种硬件、两类并行模式从源码 CMake Release 构建，采用共享库、OpenMP 和 mixed 精度（GMX_DOUBLE=OFF）。

项目	8173m	P100 / V100
编译器	oneAPI 2024.2.1	GCC/G++ 13.3.0
CPU SIMD	`AVX_512`	`AVX2_256`
GPU	CPU 后端	CUDA 12.8，nvcc 12.8.93；sm_60 / sm_70
FFT	FFTW；BLAS/LAPACK 链接 MKL	FFTW 3.3.10 + cuFFT；内部 BLAS/LAPACK
外部 MPI 构建	Intel MPI 2021.13	Open MPI 5.0.10，独立 CUDA12.8 前缀
PLUMED kernel	2.9.4 oneapi2024.2	2.9.4 gcc-openmpi5.0.10

threadmpi 开启内部线程 MPI、关闭 PLUMED；mpi-plumed 设置 GMX_MPI=ON、GMX_THREAD_MPI=OFF、GMX_USE_PLUMED=ON。因此两种目录不只是不同启动脚本，而是编译配置不同的程序。

已有配置包含 TNG，关闭 hwloc/tracing；精确的 Colvars 版本随 GROMACS 版本而异，不统一填成同一版。动态库检查通过不等于 GPU 直接通信、跨节点或 PLUMED 偏置生产算例全部验证。相关编译配置来自用户回传及保存的版本/缓存信息，完整证据范围见 GROMACS 索引。

GROMACS：输入和输出 #

当前模板默认读取 md.tpr，以 md 为输出前缀。TPR 应由与目标运行环境兼容的 GROMACS 工作流生成，并包含所需的拓扑、坐标和运行参数。

以核时用户 P100、2026.3 thread-MPI 为例：

cp -i /public/slurm_scripts/hs_user/gromacs/2026.3/p100/threadmpi/sub_gmx-2026.3-p100-threadmpi.sh .
sbatch sub_gmx-2026.3-p100-threadmpi.sh

模板内部已经设置 CPU 线程和 GPU offload 选项。修改 --cpus-per-task 会传给 -ntomp，但增加 GPU 数量不意味着内部 -ntmpi 1 自动改变。PLUMED 任务应改选 mpi-plumed 模板并核对其输入，而不是只给 thread-MPI 命令追加 PLUMED 参数。

重点检查 md.log 的运行设备、步数与性能信息，保留续算需要的检查点。断点续算应核对原始输出和检查点的一致性，不在未检查的情况下覆盖原目录重新开始。

5.7 SPPARKS #

安装版本标识：08Oct25。8173m 程序位于：

/public/software/spparks/spparks-08Oct25/8173m/spparks

公共模板在 spparks/08Oct25/8173m 子目录，当前示例读取 in.potts。按实际模型修改输入文件，使用 CPU 分区提交。

SPPARKS 编译环境的已知范围 #

当前 08Oct25 二进制和模板采用 oneAPI 2024.2 运行环境，通过 Intel MPI 启动，定位为 8173m CPU MPI 程序，脚本设 OMP_NUM_THREADS=1。目前项目未归档该二进制的完整编译命令、具体编译器版本及优化 flags；不能仅凭脚本加载 oneAPI 就断言原始 C++ 编译器必为 icpx，也不将它列为已编译 GPU 加速版。

6. 辅助工具 #

6.1 VASPKIT #

当前公共配置为 VASPKIT 1.3.5：

module load vaspkit/1.3.5
vaspkit

安装路径：/public/software/vaspkit/vaspkit.1.3.5。启动器首次运行时初始化个人 ~/.vaspkit，已有配置会保留。无需照搬其他集群覆盖配置文件的命令。

VASPKIT 安装方式与环境 #

1.3.5 使用已部署的程序包，项目记录的是模块、启动包装器、赝势路径和 Python 辅助环境配置，没有本集群从源码重编的证据。不能按 VASP 的 oneAPI 版本给 VASPKIT 填一个推测的编译器。

Python 辅助环境为 /public/toolkit/miniconda3/envs/vaspkit，主要服务相关脚本/绘图功能；这不意味着 VASPKIT 主程序本身是 Python 编译。具体 Python 包版本不能拿早期建议版本替代实际清单。来源：VASPKIT 部署记录。

6.2 Wannier90 #

版本	独立程序能力	安装前缀
2.1.0	wannier90.x 串行；postw90.x 支持 MPI	`/public/software/wannier90/2.1.0/oneapi-2023.2-ifort/8173m`
3.1.0	wannier90.x、postw90.x 支持 MPI	`/public/software/wannier90/3.1.0/oneapi-2024.2-ifx/8173m`

可执行程序在各前缀的 bin 中。供 VASP 调用的 libwannier.a 是单独的库接口，不能把 VASP 内部调用库等同于启动 wannier90.x。

公共独立程序模板位于 /public/slurm_scripts/{hs_user,tc_user}/wannier90。VASP 5.4.4 链接 2.1.0，当前五个 6.x 构建链接 3.1.0；接口输入限制见 Wannier90 交付记录。

Wannier90 编译方式与环境 #

版本	Fortran 工具链	MPI 包装器与程序	目标	VASP 链接库
2.1.0	oneAPI 2023.2 ifort	mpiifort；postw90 支持 MPI，wannier90 串行	CPU 8173m	单独串行编译的 `libwannier.a`
3.1.0	oneAPI 2024.2 ifx	mpiifx；wannier90、postw90 支持 MPI	CPU 8173m	单独串行编译的 `libwannier.a`

通过源码 Make 系统和各自 make.inc 构建，优化参数为 -O2 -xCORE-AVX512，数学库为 MKL sequential（-qmkl=sequential）。独立 MPI 配置设置 COMMS=mpi，包装器分别为 mpiifort、mpiifx；串行库配置与独立 MPI 程序配置分开保存。VASP 5.4.4/6.x 分别链接同一 Fortran 工具链下的库，避免混用 ifort/ifx/NVHPC 的 Fortran 模块和运行库。

本次 Wannier90 是 CPU 构建；未来 GPU VASP 若启用该接口，需要适配 NVHPC 的库构建，不能直接把当前 Intel 编译的 libwannier.a 填进 GPU makefile。调用库的局域化阶段与 VASP 的 GPU 电子结构计算也属于不同阶段。来源：Wannier90 交付记录。

Wannier90：独立程序如何提交 #

3.1.0 模板允许把不带 .win 后缀的文件基名作为第一个参数。例如当前目录有 silicon.win 及本次步骤所需的其他数据：

cp -i /public/slurm_scripts/hs_user/wannier90/3.1.0/8173m/sub_wannier90_3.1.0_8173m.sh .
sbatch sub_wannier90_3.1.0_8173m.sh silicon

后处理使用 sub_postw90_3.1.0_8173m.sh，同样传入 seedname。没有传参时，模板默认 wannier90。不要把 silicon.win 整个文件名传成 seedname，导致程序查找错误名称。

Wannier90 局域化与 postw90 后处理是不同阶段，所需文件由具体流程决定。先确认 VASP 已生成匹配的接口数据，再运行相应阶段；不能仅复制一个 .win 就认为所有计算输入齐全。

6.3 LOBSTER #

已核对程序启动信息，安装版本为 4.1.0、5.1.1，普通用户均可执行。

版本	程序	公共脚本文件名
4.1.0	`/public/software/lobster/4.1.0/lobster`	`sub_lobster.4.1.0.sh`
5.1.1	`/public/software/lobster/5.1.1/lobster`	`sub_lobster.5.1.1.sh`

脚本位于 /public/slurm_scripts/{hs_user,tc_user}/lobster/8173m，也可通过 yskit 选择。模板申请 CPU 8173m 单节点、1 个进程、56 个 CPU 线程，设置 OMP_NUM_THREADS 后直接运行程序。调整线程数时修改 --cpus-per-task。

在包含 lobsterin 及相应电子结构计算输出的目录提交。已完成脚本语法与普通用户程序启动检查，尚未进行完整成键分析算例验收。修正详情见 LOBSTER 脚本维护记录。

LOBSTER 二进制环境 #

此处为已有二进制部署，没有本地源码重编记录。程序启动横幅显示：4.1.0 为 g++ 7.5.0，5.1.1 为 g++ 9.3.0。这是程序自身报告的编译器信息，不代表要用户在作业里加载这两个 GCC 版本。

两版都以单进程线程方式运行，当前模板由 OMP_NUM_THREADS 控制线程数，不通过 mpirun 启动。未归档原始优化 flags 或完整链接选项，因此不宣称它们专门以 AVX-512 编译，也不列为 GPU 加速程序。

6.4 其他工具 #

工具	路径	定位
yskit	`/public/toolkit/yskit`	交互选择、复制公共 Slurm 脚本
gpu-burn	`/public/toolkit/gpu-burn`	管理员 GPU 压力测试工具，不作为普通计算作业入口

yskit 与 gpu-burn 的实现环境 #

yskit 是本地维护的脚本选择工具，读取公共 Slurm 文件并复制，不需要 MPI/CUDA 编译环境。应用计算使用复制出来的模板所指定的工具链。

gpu-burn 从上游提交 3ead140434da9473582b68452f7115967a7a0581 源码通过 Make 构建，CUDA 12.8，设备代码同时包含 sm_60/sm_70，构建并行度为 4。源码和 Makefile 未修改，入口包装器设置 CUDA 库及内核文件位置。P100 验证 FP32/FP64，V100 验证 FP32/FP64/Tensor；这些是压力测试模式，不是集群其他应用的精度设置。来源：gpu-burn 构建记录。

本指南没有将参考网页中的 CP2K、GPUMD、Phonopy 等软件直接列为当前已安装软件；新增条目以本集群实际安装和检查结果为依据。

7. 常见问题 #

如何选择 P100 或 V100？ #

先确认账户允许的分区，再根据软件支持、显存和实际性能选择。需要超过单卡 16GB 显存的任务可评估 V100 32GB；多卡不自动等于显存可任意合并。

申请两张 GPU 是否只修改 gres？ #

不一定。GPU VASP、ABACUS PW、LAMMPS 和 GROMACS 的进程、线程及应用内部参数不同。选择相应软件模板，同时核对 ntasks、cpus-per-task、gres 和输入参数。

为什么仍需保留 VASP 的 HCOLL 设置？ #

当前 GPU VASP 模板保留 OMPI_MCA_coll_hcoll_enable=0。已有测试表明升级 R580 小版本并没有消除旧通信栈的 HCOLL 初始化钩子报错。删除单独 err 文件只会改变输出位置，不能修复或消除错误。

单精度是否总是更划算？ #

单精度可能降低耗时和显存，但需要检查科学结果。ABACUS 已提供运行时精度选择，默认仍为 double；能量接近也不代表力和应力已足够准确。

为什么不能只根据软件目录判断支持哪些功能？ #

目录可能包含历史构建、实验程序或未完整验证的版本。优先使用公共提交模板及对应交付记录。比如旧式 vasp/vasp.6.4.2 路径不作为本指南正式 GPU VASP 的默认入口。

任务一直排队，怎么判断原因？ #

squeue -u "$USER" -o '%.18i %.12P %.20j %.2t %.10M %.6D %R'
scontrol show job JOBID

状态/原因	含义与处理方向
PENDING / Resources	所申请的资源尚不能分配；检查申请是否过大
PENDING / Priority	当前调度优先级下仍需等待
QOS 或 Association 相关限制	核对账户并发、资源或时长限制，必要时联系管理员
Invalid account / partition	核对用户权限与脚本分区，不随意换到另一类用户分区
节点 DRAIN / DOWN	管理维护或故障；用户不要自行恢复节点状态

排队时长受其他作业和调度策略影响。sinfo 显示节点有空闲资源，不代表当前账号或当前资源组合一定可以马上启动。

作业启动后立即结束，怎么查？ #

按“调度状态 → 作业日志 → 应用输出 → 环境与输入”的顺序检查：

sacct -j JOBID --format=JobID,State,ExitCode,Elapsed,AllocCPUS
scontrol show job JOBID
tail -n 80 JOBID.out

现象	优先检查
No such file / 无法读取输入	从哪个目录提交、相对路径、文件名大小写
Permission denied	脚本调用的程序和输入是否对当前账号可访问
Module not found	模块名称是否与模板一致、模块搜索路径是否正确
error while loading shared libraries	是否加载了该构建的配套环境，是否混入其他 MPI/CUDA
Python ModuleNotFoundError	日志中的 Python/Conda 环境；不要直接向 base 安装来掩盖问题
Invalid device / 没有 GPU	GPU 申请、可见设备及模板的节点架构
OUT_OF_MEMORY	区分主机内存耗尽与应用报告的显存不足
TIMEOUT	调度时限到达；检查检查点，再决定如何续算
COMPLETED 但没有有效结果	软件可能以 0 退出仍报告输入错误；必须检查应用日志

ExitCode 通常显示为 退出码:信号。非零值有助于定位问题，但 0:0 不证明科学结果合格。例如 LOBSTER 在缺少输入时可能输出错误后返回 0。

GPU 报错是否都是驱动问题？ #

不是。输入、显存、编译器生成代码、动态库混用、MPI 通信和硬件都可能导致 GPU 错误。先保存完整错误和作业环境，再判断所属层次。

HCOLL 初始化报错与 CUDA illegal address 不是同一种错误。现有 VASP 模板关闭 HCOLL 是针对已确认的通信组件问题，不能保证修复程序内部的非法内存访问。NO_STOP_MESSAGE=1 也不修复数值或内存错误。

不要通过删除日志、降低 UCX 日志级别或更换驱动来代替定位。普通用户发现疑似节点故障时，把作业编号、节点、时间和完整错误交给管理员；不要自行在整机显卡上运行压力测试。

怎样做一次有意义的性能对比？ #

固定软件版本、输入、初始状态与收敛条件，每种配置用独立目录。
先验证单配置可以正确完成，再比较 CPU、单卡和多卡。
同时记录总耗时与程序主要计算阶段耗时，避免启动开销主导结论。
记录 MPI 数、线程数、GPU 数、节点和是否存在其他负载。
对短任务重复测试，关注差异是否超过波动，并检查结果精度。

如果 4 卡比 2 卡只快很少，增加资源未必划算。对训练数据、结构优化或高精度能量差，还要把力、应力及收敛表现纳入判断，不能只比较总能量。

提问或报障时提供哪些信息？ #

建议按下面格式提供，能减少反复确认：

软件及版本：
功能分支 / 后端：
任务目录：
提交脚本与提交命令：
Slurm 作业编号：
节点及 CPU / GPU 数：
首次出现问题的时间：
预期结果与实际现象：
完整错误所在日志及行附近内容：
同输入是否在其他版本或单卡成功：

保留实际提交的脚本与日志；不要只发最后一句 MPI_ABORT，前面的第一处错误通常更有价值。不要在公开渠道粘贴账号密码、密钥或受限制的完整势文件。

8. 文档维护 #

本文件作为面向用户的 Markdown 主文档维护：

/public/software/agent/cluster-guide.md

表格统一按软件版本逐行列出；不同版本不合并在同一行，也不用“同上六版”等省略具体版本。不同依赖组件的版本可以在对应构建行中共同列明。

新增或升级软件后，更新以下内容：

版本、实际安装路径及适用节点，源码或二进制部署方式。
编译器与 MPI 版本、CUDA/数学库、CPU/GPU 指令目标、关键编译开关及补丁。
运行环境、模块名称和公共 Slurm 脚本位置。
已验证的功能、精度、GPU 数量及已知限制。
本页更新日期和下方变更记录。

详细构建过程、失败日志、补丁和校验值保留在各软件记录目录；本页保留用户选择和运行软件所需的信息。长期维护时直接修改对应章节，不在正文反复追加互相冲突的旧状态。

日期	更新内容
2026-09-29	统一版本表格：GROMACS、VASP、基础工具、Wannier90 等逐版本独立列行
2026-09-29	按用户重点补充各软件编译方式、工具链、MPI、CUDA、数值库、精度、优化与功能开关，标明旧二进制证据边界
2026-09-29	扩充登录与传输、目录组织、Slurm 参数、逐软件输入与提交流程、性能实测解读、排障及报障信息
2026-09-29	建立当前 ch01 用户指南；核对分区、软件路径、VASP 功能分支和驱动；加入 yskit、ABACUS 单/双精度及验收范围；修正 LOBSTER 模板版本、路径、线程配置与执行权限

编排形式参考：彩虹一号集群使用手册。硬件、软件、路径与验证状态采用当前 ch01 的现场信息和项目记录。

维护依据：项目索引、交接记录以及正文链接的各软件交付记录。现有计算助手指南 codex/site/cluster-agents.md 是独立文档，本次未覆盖其内容，也未将本页发布到网站。

您的感觉是什么

还有问题？我们能帮忙吗？